1. 概述
在本教程中，我们将替换Word文档中不同位置的图案，我们将处理.doc和.docx文件。
2. Apache POI库
Apache POI库提供了Java API，用于处理Microsoft Office应用程序使用的各种文件格式，例如Excel电子表格、Word文档和PowerPoint演示文稿；它允许以编程方式读取、写入和修改此类文件。
要编辑.docx文件，我们将最新版本的poi-ooxml添加到pom.xml中：
<dependency>
<groupId>org.apache.poi</groupId>
.<artifactId>poi-ooxml</artifactId>
<version>5.2.5</version>
</dependency>
此外，我们还需要最新版本的poi-scratchpad来处理.doc文件：
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-scratchpad</artifactId>
<version>5.2.5</version>
</dependency>
3. 文件处理
我们需要创建示例文件，读取它们，替换文件中的部分文本，然后写入结果文件；我们先来讨论一下与文件处理相关的所有内容。
3.1 示例文件
让我们创建一个Word文档，用Hello替换其中的Baeldung一词。因此，我们会在文件的多个位置(尤其是在表格、文档的各个部分和段落中)写入Baeldung。我们还希望使用多种格式样式，包括在Word内部更改格式的一次。我们将使用同一份文档，一次保存为.doc文件，一次保存为.docx文件：
3.2 读取输入文件
首先，我们需要读取文件，我们将它放在resources文件夹中，以便它在类路径中可用；这样，我们将获得一个InputStream。对于.doc文档，我们将基于此InputStream创建一个POIFSFileSystem对象。最后，我们可以检索要修改的HWPFDocument对象。我们将使用try-with-resources，以便自动关闭InputStream和POIFSFileSystem对象，但是，由于我们将对HWPFDocument进行修改，因此我们将手动关闭它：
public void replaceText() throws IOException {
String filePath = getClass().getClassLoader()
.getResource("baeldung.doc")
.getPath();
try (InputStream inputStream = new FileInputStream(filePath); POIFSFileSystem fileSystem = new POIFSFileSystem(inputStream)) {
HWPFDocument doc = new HWPFDocument(fileSystem);
// replace text in doc and save changes
doc.close();
}
}
处理.docx文档时，它会更直接一些，因为我们可以直接从InputStream派生出XWPFDocument对象：
public void replaceText() throws IOException {
String filePath = getClass().getClassLoader()
.getResource("baeldung.docx")
.getPath();
try (InputStream inputStream = new FileInputStream(filePath)) {
XWPFDocument doc = new XWPFDocument(inputStream);
// replace text in doc and save changes
doc.close();
}
}
3.3 写入输出文件
我们将把输出文档写入同一个文件，因此，修改后的文件将位于target文件夹中。HWPFDocument和XWPFDocument类都公开了一个write()方法，用于将文档写入OuputStream。例如，对于.doc文档，其操作步骤如下：
private void saveFile(String filePath, HWPFDocument doc) throws IOException {
try (FileOutputStream out = new FileOutputStream(filePath)) {
doc.write(out);
}
}
4. 替换.docx文档中的文本
让我们尝试替换.docx文档中出现的Baeldung一词，看看在此过程中我们面临哪些挑战。
4.1 简单的实现
我们已经将文档解析为XWPFDocument对象，XWPFDocument分为多个段落，文件核心中的段落可以直接访问。但是，要访问表格中的段落，需要循环遍历表格的所有行和单元格。方法replaceTextInParagraph()的编写留待以后再说，下面我们将如何将其重复应用于所有段落：
private XWPFDocument replaceText(XWPFDocument doc, String originalText, String updatedText) {
replaceTextInParagraphs(doc.getParagraphs(), originalText, updatedText);
for (XWPFTable tbl : doc.getTables()) {
for (XWPFTableRow row : tbl.getRows()) {
for (XWPFTableCell cell : row.getTableCells()) {
replaceTextInParagraphs(cell.getParagraphs(), originalText, updatedText);
}
}
}
return doc;
}
private void replaceTextInParagraphs(List<XWPFParagraph> paragraphs, String originalText, String updatedText) {
paragraphs.forEach(paragraph -> replaceTextInParagraph(paragraph, originalText, updatedText));
}
在Apache POI中，段落被划分为XWPFRun对象。首先，我们尝试遍历所有段落：如果在段落中检测到要替换的文本，我们将更新该段落的内容：
private void replaceTextInParagraph(XWPFParagraph paragraph, String originalText, String updatedText) {
List<XWPFRun> runs = paragraph.getRuns();
for (XWPFRun run : runs) {
String text = run.getText(0);
if (text != null && text.contains(originalText)) {
String updatedRunText = text.replace(originalText, updatedText);
run.setText(updatedRunText, 0);
}
}
}
最后，我们更新replaceText()以包含所有步骤：
public void replaceText() throws IOException {
String filePath = getClass().getClassLoader()
.getResource("baeldung-copy.docx")
.getPath();
try (InputStream inputStream = new FileInputStream(filePath)) {
XWPFDocument doc = new XWPFDocument(inputStream);
doc = replaceText(doc, "Baeldung", "Hello");
saveFile(filePath, doc);
doc.close();
}
}
现在让我们通过单元测试来运行这段代码，我们可以看一下更新后的文档的截图：
4.2 局限性
正如我们在屏幕截图中看到的，大多数出现的“Baeldung”一词已被替换为“Hello”。但是，我们可以看到剩余的两个“Baeldung”。
现在让我们更深入地了解XWPFRun的含义，每个XWPFRun代表一个连续的文本序列，具有一组通用的格式属性。格式属性包括字体样式、大小、颜色、粗体、斜体、下划线等。每当格式发生变化时，就会产生一个新的XWPFRun，这就是为什么表格中具有各种格式的出现不会被替换的原因：它的内容分布在多个XWPFRun中。
然而，底部蓝色的Baeldung字符也没有被替换。事实上，Apache POI并不能保证具有相同格式属性的字符属于同一次运行。简而言之，对于最简单的情况，这种简单的实现已经足够好了。在这种情况下，这种解决方案是值得的，因为它不需要任何复杂的决策。但是，如果我们面临这种限制，就需要转向其他解决方案。
4.3 处理跨越多个字符的文本
为了简单起见，我们做以下假设：当我们在段落中找到单词“Baeldung”时，丢失段落的格式是可以的。因此，我们可以删除段落中所有现有的连续语句，并用一个新的语句替换它们。让我们重写replaceTextInParagraph()：
private void replaceTextInParagraph(XWPFParagraph paragraph, String originalText, String updatedText) {
String paragraphText = paragraph.getParagraphText();
if (paragraphText.contains(originalText)) {
String updatedParagraphText = paragraphText.replace(originalText, updatedText);
while (paragraph.getRuns().size() > 0) {
paragraph.removeRun(0);
}
XWPFRun newRun = paragraph.createRun();
newRun.setText(updatedParagraphText);
}
}
我们来看看结果文件：
正如预期的那样，现在所有出现的字符都被替换了。但是，大多数格式都丢失了，最后一种格式没有丢失。在这种情况下，Apache POI似乎以不同的方式处理格式属性。
最后需要注意的是，根据我们的用例，我们也可以决定保留原始段落的某些格式。然后，我们需要遍历所有段落，并根据需要保留或更新属性。
5. 替换.doc文档中的文本
对于doc文件来说，事情要简单得多，我们确实可以访问整个文档的Range对象，然后，我们可以通过它的replaceText()方法修改该范围的内容：
private HWPFDocument replaceText(HWPFDocument doc, String originalText, String updatedText) {
Range range = doc.getRange();
range.replaceText(originalText, updatedText);
return doc;
}
运行此代码将生成以下更新的文件：
我们可以看到，替换操作在整个文件中进行。我们还注意到，对于多次运行的文本，默认行为是保留第一次运行的格式。
6. 总结
在本文中，我们替换了Word文档中的一个模式。在.doc文档中，替换过程非常简单。然而，在.docx文档中，我们遇到了一些限制，我们展示了一个通过简化假设来克服这一限制的示例。
Post Directory
